research centers


Search results: Found 47

Listing 1 - 10 of 47 << page
of 5
>>
Sort by

Article
ARTIFICIAL NEURAL NETWORK IMPLEMENTATION FOR SOLVING LINEARPROGRAMMING MODELS

Authors: ABDUL KAREEM F. HASSAN --- FATHALLAH FADHIL KHALAF
Journal: Journal of Kufa for Mathematics and Computer مجلة الكوفة للرياضيات والحاسوب ISSN: 11712076 Year: 2014 Volume: 2 Issue: 1 Pages: 113-121
Publisher: University of Kufa جامعة الكوفة

Loading...
Loading...
Abstract

This work does not use the classical methods (simplex method, Branch and Bound techniques) which were normally used for solving Linear programming models. The proposed algorithm was considered for implementation with Artificial Neural Network (ANN) using MatLab tool box. It was found that implementation of the neural network will provide comprehensive results when applied with any linear programming models. Besides Artificial Neural Networks are artificial intelligence methods for modeling complex target functions, and are considered to be among the most effective learning methods currently known. Implementation in solving linear programming models became very interesting, as ANNs became appropriate solution where a huge data (number of variables and constraints) is considered. In this work, general model of ANN specified for solving the problem of linear programming will be shown and discussed.The results show a great improvement in prediction of results with a minimum percentage error.


Article
Prediction Of Monthly Rainfall In Kirkuk Using Artificial Neural Network And Time Series Models
التنبؤ بالأمطار الشهرية لمدينة كركوك باستخدام إلشبكات العصبية الاصطناعية ونماذج السلاسل الزمنية

Author: . Shaymaa Abdul MuttalebAlhashimi شيماء عبد المطلب
Journal: Journal of Engineering and Sustainable Development مجلة الهندسة والتنمية المستدامة ISSN: 25200917 Year: 2014 Volume: 18 Issue: 1 Pages: 129-143
Publisher: Al-Mustansyriah University الجامعة المستنصرية

Loading...
Loading...
Abstract

One of the major problems in water resources management is the rainfall forecasting. With the effect of rainfall on water resources as a foregone conclusion, more accurate prediction of rainfall would enable more efficient utilization of water resources and power generation. On the other hand, climate and rainfall are highly non-linear and complicated phenomena, which require non-linear mathematical modeling and simulation for accurate prediction. One of the non-linear techniques being recently used for rainfall forecasting is the Artificial Neural Networks (ANN) approach which has the ability of mapping between input and output patterns without a prior knowledge of the system being modeled. In this study, three rainfall prediction models were developed and implemented based on past observations such as time series models based on autoregressive integrated moving average (ARIMA),Artificial Neural Network ANN model and Multi Linear Regression MLR model. A Feed Forward Neural Network FFNN model was applied to predict the rainfall on monthly basis. In order to evaluate the performance of three models, statistical parameters were used to make the comparison between these models. These parameters include the correlation coefficient (R) and Root Mean Square Errors(RMSE). The data set that has been used in this study includes monthly measurements for the rainfall, mean temperature, wind speed and relative humidity from year 1970 to 2008 for Kirkuk station. The models were trained with (25 years) of monthly rainfall data. The ANN, ARIMA and MLR approaches are applied to the data to derive the weights and the regression coefficients respectively. The performances of the models were evaluated by using remaining (13 years) of data. By comparing R2 values (0.91, 0.85, and 0.823) of the models, the study reveals that ANN model can be used as an appropriate forecasting tool to predict the monthly rainfall, which is preferable over the ARIMA model and MLR model.

واحدة من المشاكل الرئيسية في إدارة الموارد المائية هو التنبؤ بسقوط الأمطار.ومع تأثير الأمطار على موارد المياهبات امرأ" مهما التنبؤ الدقيق للأمطار لغرض التمكين من الاستخدام الأمثل للموارد المائية وتوليد الطاقة. من ناحية اخرى تعتبر الامطار من الظواهر غير الخطية المعقدة والتي تتطلب النمذجه الرياضية غير الخطية لغرض التنبؤ بها. واحدة من التقنيات غير الخطية المستخدمة حديثا" للتنبؤ بسقوط الإمطار هي الشبكات العصبية الاصطناعية(ANN) التي تمتلك القدرة على التنبؤ بنمط العلاقة بين المدخلات والمخرجات دون معرفة مسبقة للنموذج المراد تمثيله. في هذه الدراسة، تم تطوير ثلاثة نماذج للتنبؤ بهطول الأمطار اعتمادا" على بيانات سابقه وهذه النماذج هي نموذج السلاسل الزمنية على أساس متوسط الانحدار الذاتي المتكامل المتحرك (ARIMA) ونموذج الشبكات العصبية الاصطناعية((ANNوالنموذج الخطي المتعددMLR)). تم تطبيقا عادة توجيه تغذية نموذج الشبكة العصبية نموذج(FFNN)للتنبؤ بهطول الأمطار على أساس شهري. ومن أجل تقييم النماذج الثلاثة ، تم استخدام المعاملات الإحصائية للمقارنة بين هذه النماذج,وتشمل هذه المعايير معامل الارتباط(R) وجذر متوسط مربعات الأخطاء(RMSE). شملت مجموعة البيانات التي استخدمت في هذه الدراسة القياسات الشهرية لهطول الأمطار، سرعة الرياح, متوسط درجة الحرارة، والرطوبة النسبية خلال الفترة الزمنية منالعام1970 حتى 2008لمحطة كركوك. تم تدريب النماذج مع25 عاما" من بيانات هطول الأمطار الشهرية وتم تطبيق النماذج(ANN، ARIMAو(MLRعلى البيانات لاستخلاص الأوزان ومعاملات الانحدار على التوالي.أنجز تقييمأداءالنموذجبأستخدام13 سنة المتبقية من البيانات.من خلال مقارنةR2من النماذج، تم الاستنتاج على أنه يمكن استخدام نموذج((ANNكأداة تنبؤ مناسبة لقيم سقوط الأمطار، الذي يعتبر أفضل من نموذج( ARIMAو MLR).


Article
Edge Detection Using Scaled Conjugate Gradient Algorithm in Back propagation Neural Network
اكتشاف حافات الصور باستخدام خوارزمية متقارنة التدرج المقيسة في شبكات الانتشار العكسية العصبية

Authors: Walaa M. Khalaf --- Mohammed Ali Tawfeeq --- Kadhum Al-Majdi
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2014 Volume: 32 Issue: 2 Part (A) Engineering Pages: 385-395
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

This paper introduces a proposed method based on a backpropagation artificial neural network using Scaled Conjugate Gradient (SCG) training algorithm so as to gain the edges of any image. A new training image model is suggested to train this artificial neural network, then using this network to find the edges of any image. Computer experiments are carried out for extracting edge information from real images; the results presented are compared with those from classical edge detection methods like Canny. Using this new method does not need to tune any parameter to find the edge of any image, as well as using this method the false edges is reduced.

هذا البحث يقدم طريقة حديثة تعتمد على شبكات الانتشار العكسي العصبية التي تستخدم في تدريبها خوارزمية متقارنة التدرج المقيسة (SCG) للحصول على حافات أي صورة. تم اقتراح نموذج صورة جديد لتدريب الشبكة العصبية الصناعية لتمكين استخدام هذه الشبكة لاحقاً لأيجاد الحافات لأي صورة. التجارب نفذت لفصل معلومات الحافة من صور حقيقية، وهذه النتائج قورنت مع نتائج الطرق التقليدية مثل كاني. ان استخدام هذه الطريقة لا يحتاج لتنغيم اي معاملات لأيجاد حافات أي صورة، فضلاً عن انها تقلل عدد الحافات الكاذبة.


Article
Estimating Reference Evapo- transpiration in Mosul (Iraq) Using Cascade Neural Networks
تخمين التبخر- نتح المرجعي اليومي لمنطقة الموصل (العراق) باستخدام الشبكات العصبية نوع Cascade

Authors: Fatin Mahmoud Shehab --- Raid Rafi Omar --- Radhwan Yousif Sedik
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2014 Volume: 32 Issue: 9 Part (A) Engineering Pages: 2277-2285
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

Recently artificial neural network (ANN) has been applied for estimating reference evapo-transpiration (ETₒ).In this study a mathematical model was built by application the cascade forward network technique (CCANN) to estimate the daily reference evapo-transpiration in the city of Mosul, north of Iraq .The input parameters for the CCANN were the: temperature, solar radiation, wind speed at 2m height, and relative humidity. A check for the accuracy of the performance of the network was made using values of reference evapo-transpiration obtained from pan evaporation method. The results revealed linear correlation between the network output and the data of the measured pan evapo-transpiration with correlation coefficient of (0.9679). This indicates the possibility of use of CCANN to determine the daily reference evapo- transpiration. The results also show that the CCANN model performs better more accurate compared to other models.

لقد شاع في الآونة الأخيرة استخدام أسلوب الشبكات العصبية الصناعية في تخمين مقدار التبخر-نتح. في هذا البحث تم بناء انمودج رياضياتي باعتماد تطبيق تقنيات الشبكات العصبية الصناعية نوع Cascade Forward لغرض تخمين مقدار التبخر-نتح المرجعي اليومي لمنطقة الموصل (شمال العراق). البيانات التي استخدمت كمدخلات للشبكة العصبية هي درجة الحرارة , الإشعاع الشمسي , سرعة الرياح على ارتفاع 2 متر والرطوبة النسبية. ولغرض التأكد من صحة أداء الشبكة استخدمت بيانات التبخرالانائي اليومي Class A Pan للمنطقة ولنفس الفترة كمخرجات مأمولة أو كهدف .أظهرت النتائج توافق خطي بين مخرجات الشبكة وبيانات التبخر الانائي المقاسة وبمعامل ارتباط (0.9679) وهذا يبين إمكانية استخدام CCANN لحساب التبخر-نتح المرجعي اليومي . وبمقارنة هذه النتائج بالنتائج المستحصلة من البحوث السابقة والتي استخدمت فيها نماذج أخرى من الشبكات العصبية الصناعية نجد أن هذه الطريقة أعطت نتائج أكثر دقة وكفاءة .


Article
Design and Modeling of Speed Sensorless Control of DC Motor Drive System
تصميم ونمذجة منظومة سوق محرك تيار مستمر بدون متحسس للسرعة

Authors: Rakan K. Antar راكان خليل عنتر --- Ahmed A. Allu احمد عطية علو
Journal: AL Rafdain Engineering Journal مجلة هندسة الرافدين ISSN: 18130526 Year: 2014 Volume: 22 Issue: 5 Pages: 238-249
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

Sensorless speed control of a separately excited DC motor using Artificial Neural Network (ANN) technique based on current sensor alone is appliedin this paper. The speed sensorlesssystem based on ANN is estimatedadaptively to overcoming mechanical and physical problems associated with traditional speed sensor. The power circuit of the DC drive system consists of four-quadrant DCchopper with MOSFET transistors and reverse diodes. The ANN is trained, as a model adaptive reference system method, to estimate speed of the DC motor based on armature current sensor of the drive circuit and reconstructedterminal voltage waveform, which is generate depending on the PWM pulses of the DC chopper, as ANN inputs. The DC drive controller consists of proportional-integral controller, logic gates and routing circuits beside the trained ANN. The DC drive circuitis designed, evaluated and modelledby Matlab/Simulink in the forward and reverse motoring operation modes, respectively. The DC drive system is simulated at different speed variation in steady state and dynamic operating conditions. The simulation results without speed sensor illustrate the effectivenessand successful of the control system, fairly good responseand acceptable agreement between the actual, estimated and desired speeds.

تم في هذا البحث الاستفادة من تقنية الشبكة العصبية الاصطناعية مع متحسس التيار لسوق محرك تيار مستمر منفصل الاثارة. اذ تقوم الشبكة العصبية بتقييم سرعة دوران المنتج للماكنة وبشكل يتكيّف مع ظروف التشغيل المختلفةو بالاعتماد على متحسس تيار المنتج لوحده ومن دون استخدام متحسس السرعة الاسترجاعي التقليدي للتغلب على المشاكل الميكانيكة والفيزيائية المصاحبة لعمله.أذ تم تدريب الشكبة العصبية في دائرة السيطرة - بنظام النموذج المرجعي القابلة للتكيف -على قيم مختلفة لتيار المنتج وفولتية الاطراف للماكنة عند سرع وعزوم مختلفة.وتتكون دائرة التحكم ذات الحلقة المغلقة من مسيطر تناسبي- تكاملي و متحسسان يمثلان مدخلات الشبكة العصبية حيث تم اخذ متحسس لتيار المنتج مباشرة من دائرة السوق أما متحسسس فولتية الاطراف فقد تم بناءه داخلياً بالاعتماد على اشارة مولد تضمين عرض النبضة في دائرة السيطرة. و تم التحكم بسرعة المحرك من خلال منظومة سوق متكونة من مقطّع قنطري مع بوابات منطقية ودوائر توجيه وتشغيل المحرك في لاتجاه الامامي والعكسي.المنظومة المصممة تم تمثيلها ونمذجتها باستخدام برنامج المحاكاة(الماتلاب)في ظروف التشغيل المستقرة والديناميكية. وقد بينت نتائج التمثيل لهذه الطريقة فعالية ودقة السيطرة والاستجابة الجيدة من خلال المقارنة بين قيم السرعة الفعلية والمخمنة والمطلوبة.


Article
Fast Neural Synchronization Using Geometrical Analysis for Random Walk in Search Space

Authors: Naji M. Sahib --- Haithem Kareem Abass
Journal: Iraqi Journal of Information Technology المجلة العراقية لتكنولوجيا المعلومات ISSN: 19948638/26640600 Year: 2014 Volume: 6 Issue: 1 اللغة الانكليزية Pages: 69-79
Publisher: iraqi association of information الجمعية العراقية لتكنولوجيا المعلومات

Loading...
Loading...
Abstract

Neural synchronization is a phenomenon of mutual learning between two or more neural networks. This phenomenon has tremendous applications especially in cryptography where it can be efficiently used in key exchange over public and un secure networks. This biggest problem facing neural synchronization is the number of rounds needed to accomplish the synchronization; where the output of each neural is sent to other party over network. Since the synchronization is a stochastic behavior then it could be established anytime along the synchronization session, but no current approach to verify establishing the synchronization once it happened. This paper has deployed geometric analysis to investigate random walk of weights in plane during the synchronization session, the outcome is an enhancement of the convergence of neural networks to synchronization points and another outcome is the verification of establishment the synchronization which is the focus of this paper.

التزامن في الشبكة العصبية هو ظاهرة التعلم المتبادل بين شبكتين عصبيتين او اكثر. هذه الظاهرة لها تطبيقات كثيرة وخاصة في التشفير حيث يمكن استخدامها بشكل كفوء جدا في عملية تبادل المفاتيح عبر شبكة عامة غير امينة. ان المشكلة الاكبر التي تواجه ظاهرة التزامن هي عدد الدورات اللازمة لتحقيق التزامن حيث ان مخرج كل شبكة يرسل الى الشبكة المقابلة في الدورة الواحدة وعبر الشبكة. وبما ان عملية التزامن لها تصرف عشوائي فان التزامن قد يحدث في اي وقت خلال جلسة التزامن ولكن لا توجد اي طريقة حالية للتحقق من حصول التزامن ساعة حدوثه. هذا البحث قام بتوظيف التحليل الهندسي لدراسة السير العشوائي للاوزان في مستوي خلال عملية التزامن والنتيجة كانت الوصول الى طريقة تعجل الوصول الى حالة الاتزان اولا وكذلك امكانية التحقق من وصول حالة التزامن.


Article
Character Recognition Using Neural Network Learned by Artificial Bee Algorithm

Authors: BassimA. Jumaa --- Ayad Ghazi Naser --- Maryam khalaf
Journal: Iraqi Journal for Computers and Informatics ijci المجلة العراقية للحاسبات والمعلوماتية ISSN: 2313190X 25204912 Year: 2014 Volume: 41 Issue: 1 Pages: 39-46
Publisher: University Of Informatics Technology And Communications جامعة تكنولوجيا المعلومات و الاتصالات

Loading...
Loading...
Abstract

Character Recognition is the text recognition system that allows hard copies of written or printed text to be rendered into editable, soft copy versions. In this paper, work has been performed to recognize pattern using multilayer perceptron learning by Artificial Bee algorithm (ABC) that simulates the intelligent foraging behavior of a honey bee swarm. Multilayer Perceptron (MLP) trained with the standard back propagation (BP) algorithm normally utilizes computationally intensive training algorithms. One of the crucial problems with the BP algorithm is that it can sometimes yield the networks with suboptimal weights because of the presence of many local optima in the solutions space. The suggested method is to use ABC for learn the Neural Networks, to solve text character recognition problem, by update the Neural Networks weights. A comparison studies are made between ABC and BP methods in NN learning to specify which is better in solving character recognition problem.

تمييز الرموز هو نظام تمييز النصوص الذي يسمح بتحويل النسخ المكتوبة او المطبوعة الى نصوص قابلة للتعديل نسخة الالكترونية . ففي هذا البحث تم انجاز عملية تمييز الانماط باستخدام الشبكة العصبية متعددة الطبقات المتعلمة بواسطة خوارزمية مستعمرات النحل (ABC) والتي تحاكي السلوك الذكي لسرب النحل. الشبكة العصبية متعددة الطبقات سبق وان عُلِمت باستخدام خوارزمية الانتشار التراجعي القياسية (BP). ان واحدة من المشاكل التي تعانيها خوارزمية (BP) هو انتاج اوزان شبه مثالية بسبب الوقوع في بعض النهايات المثالية المحلية من فضاء الحلول. ان الطريقة المقترحةاستخدام (ABC) لتعليم الشبكة العصبية، لحل مسألة تمييز الرموز، من خلال تعديل الاوزان. وايضا تم اجراء دراسة مقارنة بين خوارزمية (ABC) و (BP) عند تعليم الشبكة لتحديد الطريقة الافضل عند حل مسألة تمييز الرموز.


Article
Designing a Nonlinear PID Neural Controller of Differential Braking System for Vehicle Model Based on Particle Swarm Optimization
تصمیم مسیطر عصبي (PID) لأخطي لنظام الكبح ألفرقي لمركبة أساسھ أمثلیة حشد الجسیمات

Author: Ahmed Sabah Al-Araji
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2014 Volume: 32 Issue: 1 Part (A) Engineering Pages: 197-214
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

This paper presents a nonlinear PID neural controller for the 2-DOF vehicle model in order to improve stability and performances of vehicle lateral dynamics by achieving required yaw rate and reducing lateral velocity in a short period of time to prevent vehicle from sliding out the curvature. The scheme of the discrete-time PID control structure is based on neural network and tuned the parameters of the nonlinearPID neural controller by using a particle swarm optimization PSO technique as a simple and fast training algorithm. The differential braking system and front wheel steering angle are the outputs of the nonlinear PID neural controller that has automatically controlled the vehicle lateral motion when the vehicle rotates the curvatures. Simulation results show the effectiveness of the proposed controlalgorithm in terms of the best transient state outputs of the system and minimum tracking errors as well as smoothness control signals obtained with bounded external disturbances.


Article
OFDM Channel Estimation Based on Intelligent Systems
تخمين القناة في نظام التقسيم الترددي المضاعف المتعامد (OFDM) المستند على الأنظمة الذكية

Authors: Ismail Mohammad Jaber --- Hanan A. R. Akkar --- Haraa Raheim Hatem
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2014 Volume: 32 Issue: 2 Part (A) Engineering Pages: 305-324
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

This work is dedicated to the study of reducing Bit Error Rate (BER) when transferring data in the system Orthogonal Frequency Division Multiplexing (OFDM) by estimating the carrier channel in different ways. The proposal design for Artificial Neural Network (ANN) is considered as a tool to improve performance BER and compared with the traditional method based on the use of the Least Square estimation algorithm (LS) to estimate the impulse response of frequency selective Rayleigh fading channel. A MATLAB 7.14 program is used in simulation.The proposed method which integrates algorithm LS with ANN includes the following:1. Training the neural network by Back-Propagation (BP) and using the trained neural network with algorithm (LS) to estimate the channel in different paths.2. Using Resilient Back propagation algorithm (RProp)in the training of the neural network.3. UsingLevenberg-Marquardt algorithm (LM) in the training of the neural network.4.The comparison of results between the traditional method and the proposed method when taking BER = 0.001 at various tracks (one path, two path and three path) and showed that there profit of (1.5dB, 2dB, 2dB) between using the traditional method and the proposed method using RProp algorithm and a profit of (2dB,3dB, 2dB) using an algorithm LM. There is also comparison between the performance ofRProp algorithm and LMalgorithm and the results showed that the LM algorithm better thanRProp algorithm.

هذا العمل مكرس لدراسة تقليل نسبة معدل الخطأ (BER) عند نقل البيانات في نظام التقسيم الترددي المضاعف المتعامد (OFDM) عن طريق تخمين القناة الناقلة بطرق مختلفة . قد تم اقتراح تصميم للشبكة العصبية الاصطناعية واعتبارها كأداة لتحسين أداء نسبة معدل الخطأ(BER)ومقارنتها مع الطريقة التقليدية المستندة على استخدام خوارزمية التقدير التربيعي الضئيل (LS)لتقدير الاستجابة النبضية الاختيارية التردد لقناة الخفوت نوع (Rayleigh). تم استخدام برنامج الماتلاب7.14للحصول على النتائج.الطريقة المقترحة التي تدمج خوارزمية (LS) مع (ANN) تتضمن ما يلي:1.تدريب الشبكة العصبية بواسطة الانتشار العكسي (BP) واستخدام الشبكة العصبية المدربة مع خوارزمية (LS) لتخمين القناةفي مختلف المسارات لقناة الخفوت الاختيارية التردد نوع (Rayleigh)2.استخدام خوارزمية(Resilient Back-Propagation)في تدريب الشبكة العصبية.3.استخدام خوارزمية (Levenberg-Marquardt) في تدريب الشبكة العصبية.4.المقارنة بين أداء خوارزمية (Levenberg-Marquardt) وأداء خوارزمية (Resilient Back-Propagation)تم مقارنة النتائج بين الطريقة التقليدية والطريقة المقترحة عند اخذ BER=0.001 في مختلف المسارات(الأول والثاني والثالث) وبينت إن هناك ربح مقداره(1.5dB, 2dB, 2dB) بين استخدام الطريقة التقليدية و الطريقة المقترحة باستخدام خوارزمية Resilient Back-Propagation)) وربح مقداره (2dB, 3dB, 2dB) باستخدام خوارزمية ((Levenberg-Marquardt وتم أيضا المقارنة مابين أداء خوارزمية (Resilient Back-Propagation) و خوارزمية ((Levenberg-Marquardt وبينت النتائج إن خوارزمية (Levenberg-Marquardt) أفضل من خوارزمية (Resilient Back-Propagation).


Article
تهجين أنموذج ماركوف المخفي باستخدام شبكة ايلمان العصبية الاصطناعية مع التطبيق

Author: عمر صابر قاسم
Journal: AL-Rafidain Journal of Computer Sciences and Mathematics مجلة الرافدين لعلوم الحاسوب والرياضيات ISSN: 18154816 Year: 2014 Volume: 11 Issue: 1 Pages: 25-42
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

This research aims to improve the performance of the work of hidden Markov model, which is limited to the positive integers as input, and through the use of Elman artificial neural network that have the ability to accept all types of data in the input space. The proposed model has proved that it is highly efficient in the classification of osteoporosis data compared with Elman artificial neural network on the one hand and the hidden Markov model on the other.

يهدف هذا البحث إلى تطوير أداء عمل أنموذج ماركوف المخفي والذي يقتصر على فضاء الإدخال من نوع الأعداد الصحيحة الموجبة, وذلك من خلال استخدام شبكة ايلمان العصبية الاصطناعية التي لها القابلية على تقبل جميع أنواع البيانات في فضاء الإدخال. حيث اثبت الأنموذج المقترح كفاءة عالية في تصنيف بيانات هشاشة العظام مقارنة مع شبكة ايلمان العصبية الاصطناعية من جهة وأنموذج ماركوف المخفي من جهة أخرى.

Listing 1 - 10 of 47 << page
of 5
>>
Sort by
Narrow your search

Resource type

article (47)


Language

English (33)

Arabic and English (9)

Arabic (3)


Year
From To Submit

2014 (47)